基于 GAN 的模型在教育领域不平衡数据集上的情感分析
计算与语言
2021-08-30 v1 机器学习
摘要
当全世界仍在与 COVID-19 大流行抗争时，在线学习与居家办公变得更为普遍。许多学校将课程教学转移至在线课堂。因此，从学生对学习的评论中挖掘其反馈与意见具有重要意义，以便学校与教师知晓需改进之处。本文使用平衡与不平衡数据集训练机器学习与深度学习模型进行情感分类。利用两种 SOTA 类别感知文本生成 GAN 模型：CatGAN 与 SentiGAN，来合成文本以平衡高度不平衡的数据集。在来自不同领域、具有不同不平衡程度的三个数据集上的结果表明，当使用生成文本平衡数据集时，机器学习与深度学习模型在情感分类上的 F1-score 提升了 2.79% ~ 9.28%。此外，结果表明 CR100k 的平均增长程度高于 CR23k，深度学习的平均增长程度比机器学习算法更多，且更复杂的深度学习模型的平均增长程度比更简单的深度学习模型在实验中更多。
引用
@article{arxiv.2108.12061,
title = {Using GAN-based models to sentimental analysis on imbalanced datasets in education domain},
author = {Ru Yang and Maryam Edalati},
journal= {arXiv preprint arXiv:2108.12061},
year = {2021}
}